常见问题

DINQ 是什么？

DINQ 是一个 AI 驱动的人才搜索引擎。

你可以描述要找的人才，DINQ 会跨多个数据源、人才库以及公开网络搜索候选人，并整理出可以用于评估和联系的人才档案。无论个人还是组织，都可以创建 Profile，集中展示项目、研究、作品和公开链接。

DINQ 和 LinkedIn 有什么不同？

LinkedIn 更像职业档案和社交网络，主要展示候选人自己填写的经历。DINQ 是一个人才搜索引擎，帮助你发现那些已经在公开网络上展现实力的人——GitHub、论文、项目、个人主页和技术社区活动——从而判断这个人是否真的做过相关事情。

DINQ 和 GitHub 搜索有什么不同？

GitHub 搜索用来在 GitHub 内部查找仓库和开发者，而 DINQ 用来在全网查找人才——它把 GitHub 信号与 Google Scholar、LinkedIn、个人主页和数百个其他公开来源结合起来，并为你排序和整理候选人。

搜索人才为什么不直接用 LinkedIn、GitHub、Google Scholar 等平台？

可以，但你需要手动在多个平台之间切换、匹配同一个人的不同身份、整理分散的信息并判断相关性。

DINQ 把这些分散线索整合进一个搜索人才的工作流里，让你更快从”找人”走到”判断”和”联系”。

搜索结果一定准确吗？

不一定。DINQ 会尽力根据公开信号找到相关候选人，但搜索结果仍然需要你判断。

建议把 DINQ 当作一个帮你扩大搜索和整理线索的助手，而不是最终招聘决定。

什么是 Profile？

Profile 是专为人才打造的可认证的职业主页。你可以通过 Profile 集中展示项目、研究、作品、公开链接和职业身份，自主决定你在招聘方眼中的呈现方式，让合适的机会更容易发现你。

我的 Profile 是公开的吗？

是。Profile 是公开职业主页，可能被用户、访客、搜索引擎和第三方访问、索引、缓存或归档。发布前请确认这些内容适合公开展示。

DINQ 会用我的数据训练 AI 模型吗？

根据当前隐私政策，DINQ 不会使用你的数据训练、测试或改进所使用的底层 AI 模型。AI 功能会处理你提供的数据来生成主页、摘要、建议、搜索或候选人上下文等服务结果。

我可以删除或更正个人数据吗？

可以。你可以在账户设置中修改个人资料，也可以请求访问、导出、删除或限制使用部分个人数据。关闭账户后，个人数据通常会在 24 小时内停止向其他用户展示，并通常会在 30 天内删除关闭账户的信息；但法律、安全、防欺诈、争议处理或去标识化信息可能会按政策继续保留。

使用 Profile 和消息时有什么规范？

请使用真实身份和真实经历，保持专业沟通，不要骚扰、群发垃圾消息、发送钓鱼链接或上传侵权/不专业内容。上传包含他人的媒体前应获得授权；AI 生成或深度伪造的内容应主动注明，且不得用于冒充真实个人。

我不会写搜索词怎么办？

可以直接输入一个很简单的描述。DINQ 会一步步帮你完善。

它会每次问一个问题，并提供几个选项。你可以选择，也可以自己输入答案。最后 DINQ 会把你的回答整理成完整搜索提示词，给你确认后再开始搜索。

我可以上传 JD 吗？

可以。DINQ 支持文字、PDF 和图片形式的 JD。

你可以直接粘贴岗位描述，也可以上传 PDF，或者上传截图/图片版 JD。DINQ 会读取里面的信息，提取岗位方向、关键技能、经验要求和地点偏好，再生成搜索提示词给你确认。

搜索为什么需要比较久？

DINQ 做的不是普通关键词搜索。它会跨多个公开来源找人、连接候选人的公开线索，并整理成可判断的人才档案。

搜索过程中，DINQ 会展示搜索思路和执行过程，让你知道它正在怎么找、为什么这么找。

候选人数据从哪里来？

DINQ 使用公开网络信息和结构化人才数据，包括职业档案、GitHub、论文、项目、个人主页和其他公开来源。

DINQ 搜索哪些数据源？

DINQ 聚合了超过 500 个技术和学术数据源的信息，包括 GitHub、Google Scholar、arXiv、USPTO、Hugging Face 以及其他专业人才网络和公开数据。搜索时，DINQ 会跨这些来源寻找匹配候选人，并把分散线索整理成可判断的人才档案。

DINQ 能判断一个人的真实能力吗？

DINQ 会帮助你看到更接近真实能力的线索，例如代码贡献、论文质量、项目成果和协作网络。

但最终判断仍然应该结合面试、作品评审和团队需求。

可以直接联系候选人吗？

可以。DINQ 可以帮助你获取候选人的联系方式，并基于候选人的公开资料、项目、论文或技术贡献自动创建冷启动话术。

建议发送前检查并编辑话术，确保信息准确、自然，并引用候选人的具体工作。

联系方式准确吗？

DINQ 使用多重验证流程来确保获取的联系方式准确可用，目标是将退信率控制在较低水平。如果获取失败或无法找到有效联系方式，不会消耗 Credit。

DINQ 适合哪些岗位？

DINQ 尤其适合简历参考价值有限的岗位，例如：

• AI / ML。
• 基础设施。
• 量化。
• 安全。
• 机器人。
• 生物科技。
• 科研。
• 医疗科技。

搜索不到合适的人怎么办？

可以尝试：

• 换一种描述方式。
• 放宽地点或年限。
• 增加具体技能或项目关键词。
• 说明你更看重开源、论文、创业经验还是大厂经验。
• 让 DINQ 继续搜索更多候选人。